互联网坏了吗？
互联网是不是坏了？我感觉大家都在担心这个。
互联网上 70% 的网站都曾暴露在风险中。现在，一个人就能指挥一群智能体，全天候不停工作，不用睡觉，能靠暴力破解一路攻过去。这种对手很难防。
想象一下，你在诺贝尔奖获奖感言里还得感谢自己的模型。
DoorDash 要收购 Instacart。
我能理解为什么有人会开始怀疑现实，问我们是不是生活在模拟世界里。
纽约证券交易所
Claire，你以前来过纽约证券交易所吗？
来过。之前参加过一次晚间活动，体验很棒，但白天还真没来过。
看到 Cyber60 的公司带着自己的标志站上交易所大厅，感觉怎么样？还能现场看开市敲钟。
太棒了，我以前只在电视上看过。
电视上看的 CNBC 画面，现在就在眼前。没听说过 Cyber60 的朋友，能不能简单介绍一下我们为什么做这个项目、怎么选？
Fortune Cyber60 是 Lightspeed、AWS 和《财富》杂志的合作项目。我们这边的投资人 Anuska、James、Guru、Justin Shan，以及整个网络安全团队，会全年一起挑选 60 家我们认为代表今年网络安全行业的早期成长和成长型公司，也有《财富》的协助。今年是第四年举办，也是第一次在交易所办这么漂亮的活动。今年网络安全行业很疯狂，最近几周也特别疯狂。
最近几周确实够疯狂。
互联网坏了吗？什么是“黑色十月”？
互联网是不是坏了？我感觉大家都在担心这个。
我听过好几种说法。有人叫它“大黑客潮”，但现在更常见的叫法是“黑色十月”。
大家都叫它“黑色十月”？
是啊，挺贴网络安全宣传月的主题，也有点万圣节的感觉。我喜欢的一位 Substack 作者还把它叫作“互联网的武汉时刻”。他的意思是，每次遇上疫情或像黑色十月这样的大问题，之后都会催生新的解决方案，我们可以再聊这个。最近网络安全受到很多关注。我之前做了个视频讲 PHP 漏洞，结果火得不得了。很多人说，终于有人意识到网络安全不是一次性事件，不是为了合规做完就算，而是真正重要的事，因为大量基础设施、乃至我们的整个生活都依赖它。
这件事我们听了很久了，对吧？从 Mythos 以来，我们就知道 AI 会改变网络安全的一切。但那时你还没真正想到，我们用的这些东西、每家公司在用的东西，现在都可能有漏洞。
PHP 漏洞与 70% 网站暴露风险
给观众讲讲 PHP 出了什么事，为什么这么大一片互联网都出了问题？
我不讲太多术语，相关信息已经很多了；想持续了解网络安全，也可以听我们的 Cyber60 播客。简单说，一种叫 PHP 的编程语言里有个漏洞，互联网上 70% 的网站都曾暴露在风险中，像 WordPress 这样的网站也在其中。跟那些需要人点链接、输入密码的网络攻击不同，这次不需要这些步骤。漏洞就在代码里，攻击者只要发送请求，就可能替换结账页或登录页，从而收集你的信息。
这门语言存在这么久，漏洞现在才被发现，确实吓人。
我相信很早以前就有人发现过。开发者多年前就知道这个问题和潜在的利用方式，只是觉得这需要大量暴力破解、甚至一整个团队，几乎不可能真的有人成功利用。结果 AI 把一切都改变了。
没错。
我记得 Kalif 和 Wiz 这两个团队用了不少前沿模型，找到了这个问题。大部分漏洞现在已经修补了。但很多人看到“70% 的网站暴露”这个标题，就会想到该确保自己开了双重验证。这也引出了一个很好的讨论：网络安全至关重要。我顺着这件事想了想，发现自己有很多账户可能很不安全，也没设置身份验证器。另一方面，很多人也被各种阴谋论带着越想越慌；与此同时，一些政府还在提醒大家储足饮用水和电池。
是啊，互联网的根基都暴露在风险里，接下来会怎样？
反乌托邦场景与“为什么是现在”
更科幻、反乌托邦的设想是，智能体群可能攻击电网、污水系统、供水系统，甚至所有这些设施。我们常常忘了自己把互联网和网络安全带来的保护当成理所当然。
的确如此。
尤其是智能体群，几乎不用费太大劲就能攻垮互联网的任何一部分。它们的奖励机制就是要完成被交代的目标。这让人感觉我们还没准备好，也正因此，今天网络安全领域有很多机会，出现了不少很出色的新公司。
我想聊聊这件事对行业的二阶影响。但大家一个大疑问是：为什么是现在？智能体群已经出现一阵子了。
一方面，AI 的能力已经跨过了某个门槛；另一方面，关键在于我们现在有了智能体群。以前是人对人，现在一个人能指挥一群智能体，全天候工作，不用睡觉，靠暴力破解一路攻过去。跟过去一群人类黑客对上一群负责打补丁的人相比，这种对手很难防。防守端的工作量大得多。显然，我们正在走向 AI 群体进攻、人类防守的局面；接下来很快就会需要自己的智能体群，去抵御对方的智能体。
事件式网络安全的终结与 CISO 调查
我今天在 Cyber60 最大的感受是，网络安全不再是出了一个漏洞或一次事故、打上补丁就完事。这种“事件式”的网络安全模式，大概在几周前就走到头了。
我们进入了一个持续攻防的时代：攻击智能体群、防御智能体群，推理也一直在运行。大家既期待又害怕这种局面，但它确实改变了我们对网络防御的理解——网络安全不再是一次事件，而是持续不断的智能体群攻防。
这确实会改变网络安全的一切。CISO 调查里也能看到，公司已经愿意在自己的环境里运行智能体。
可怕的是，很多公司知道自己的系统里有智能体在运行，却不太清楚它们是什么、会做什么。
给普通人的建议与氛围编程安全
企业这边显然还有很长的路要走。不过对我们这样的普通人，先把双重验证打开，别登录可疑网站。还有，氛围编程做网站前最好三思。
说得对。大家现在都在氛围编程，写代码时很容易完全没想到网络安全。不能只是“哈哈，我丢一堆代码上网就行”，还得想想安全问题，以及自己可能把什么暴露到了互联网上。
没错。我试过不少氛围编程工具。我想知道大家会不会因此反弹；又或者会不会出现一整套工具和初创公司，专门为这些小规模、氛围编程做出的企业项目提供网络安全服务。这样就不只是“要么有完整安全团队，要么什么都没有”，而是中间也能有一层方案。
以后我可能不会再信任那些我知道是靠氛围编程做出来的东西了。
说得没错。现在大家把邮件和各种数据源都接进个人智能体，我们正走向一个自己也不知道会发生什么的未来。
网络安全成为预算项目与 CISO 的工作
我觉得这意味着网络安全会成为一项必须花钱的预算。它一直是最大的一项，现在感觉只会越来越大。今天在纽约证券交易所的一些讨论里也听到了这一点：机构知道自己必须迅速行动，才能跟上变化。
很多人可能不知道，CISO 这份工作干不长。
是啊，这个岗位上，如果你没把工资挣回来、没能保护好公司，就可能被炒掉。
这也是高管团队里一个很特别的岗位：你必须尽可能快地采用最新技术，不只是为了公司，也是为了保住工作。
我感觉这件事现在每周都在变。
我开始想，大家以为是真的那些事情，可能其实并不是真的，但也还没得到确认。我们该怎么理解这些问题被如此迅速地解决？怎么跟上这个速度？这周又出现了什么新进展？
AI 数学突破、“解答垃圾”与数学家的反弹
我很能体会这种感觉：AI 模型不断解决过去人类解决不了的问题，这周涉及数学、计算机科学和物理，而且一个论文里就有成果。几周前还有一件事让不少数学家生气：我记得是 400 项数学结果，也引起了很多争论。我们看到的成果越来越多，体现了 AI 不只是复述机器，也能帮助人类在创新和发现的早期阶段向前走。但要理解这件事，得拆开来看。
哪些成果最重要、最让人惊讶？
最近有三个重大结果，分别在数学、计算机科学和物理。我不展开所有细节。数学方面，一个问题和波有关，一位数学家曾因在三维情形下解决它而获得菲尔兹奖章。OpenAI 说它把同一个问题推广到了所有维度。
哇。这有点像普通人和奥运选手比赛：菲尔兹奖得主对上 AI 模型。菲尔兹奖可是数学领域能拿到的最高荣誉。
物理方面，有个关于微观粒子、用来预测实验结果的宇宙规则手册。大约 50 年来，都没人能证明支撑它的数学，现在 OpenAI 说这套数学成立了。如果你愿意深入物理和科学，会发现 Navier–Stokes 等长期悬而未决的问题也出现了证明和解答，这很令人兴奋。
不过，行业对这事也开始有别的感受。几周前 OpenAI 一次发布了 700 多篇论文、约 400 项数学结果，大家起初都觉得这是巨大进步。但人们也开始问：它对这个领域到底有没有实际帮助？接下来怎么办？是不是还得由人来验证，需要花多久？有些解答甚至会让人觉得，它夺走了原本攻克问题的那份成就感。当然，这也展现了模型的能力，可能只是前沿模型推动科学发现的冰山一角。
这些解答如果是人类团队做出来的，可能足以拿奖；现在 OpenAI 一下子丢给你 400 个。问题是没人能全部核验。大约 42% 的论文附有计算机核验的证明，其余都得人工检查，非常耗时；而且有些论文很难读。我没亲自分析很多数学论文，但有人指出部分论文没有恰当致谢先前工作，据说已有三篇因为错误撤下了。透明度也不高。我不知道说得准不准确，但这有点像“解答垃圾”。
确实有点像。想象一下，你在诺贝尔奖获奖感言里还得感谢自己的模型。
是啊。我们知道它能做，也能靠暴力搜索找到答案，但这是否真正推动了社会、创新和科学？我们还不知道。
AI 数学突破、“解答垃圾”与数学家的反弹（续）
感觉我们手里有很多答案，但人类对它们的理解还很不成熟。
也不够优雅。我希望有人能找到办法，用人能理解的方式解释这些成果，而不是给出难读的论文。
很多数学家对此相当沮丧，整体情绪是震惊，甚至有种存在主义的焦虑：我一生花了 50 年研究一个问题，结果答案突然一夜之间就出来了。
博士生和职业早期的研究者受冲击最大，因为能让他们建立学术生涯、写学位论文的开放问题可能变少了。但我不认为数学家或科学家因此就反对 AI；很多人其实很兴奋。关键在于怎样分享这些结果、怎样继续推进，并以正确方式拓展它们能带来的东西。
这次数学、计算机科学和物理的三个结果，是先交给科学家，并和他们共同验证的。合作验证应该成为常态，而不是扔过来一大堆结果就结束。
这就像学生用 ChatGPT 做题：谁都能拿到答案，但真正内化、理解答案是另一回事。解题过程教会你答案。我们现在面对的社会层面问题是，纸面上有很多答案，可我们自己并不真正理解。希望最后能带来令人兴奋的进展。
DoorDash 收购 Instacart 传闻与智能体威胁
Claire，传闻说 DoorDash 要收购 Instacart。疫情期间 Instacart 曾是明星产品，那时我们靠它买菜；说真的，忙碌的父母也是靠它安排生活。我一直觉得它潜力很大。DoorDash 为什么会考虑收购？
现在都只是传闻，所以只能猜 DoorDash 为什么感兴趣。先请你说说 Instacart 的股价表现，这可能是大问题之一。从商业模式看，它正被两边挤压：DoorDash、Uber Eats 等外卖平台都在进军杂货配送，Uber Eats 现在把杂货和餐馆放在同等位置；另一边，沃尔玛、亚马逊这样的零售巨头也越来越像大型杂货公司。Instacart 夹在中间，要想清楚自己怎么在这些挤进来的人之间生存。
它的处境确实不太好。竞争是个重要因素，但 Instacart 自己可能也缺少创新。就像我们聊亚马逊 Muse 时说的，智能体可能会颠覆它整个广告业务。大家用 Instacart 下单时……
我从来没用过 Instacart。
也许你们这一代正在让它走向衰落。时代变了，它不是 Z 世代的首选应用。千禧一代是在疫情期间被迫开始用它，后来就养成了习惯；那批人可能还用得不错。现在 DoorDash 说自己有智能体，可以代客下单，还有无人机配送，覆盖面也很广。
Uber Eats 和 DoorDash 能触达更多消费者，也能提供更多服务；它们没那么依赖广告业务。你让 Instacart 下单时，可能就绕过了所有广告收入。
DoorDash 收购 Instacart 传闻与智能体威胁（续）
那你觉得 DoorDash 为什么还想买它？
第一，Instacart 仍有很大的规模和许多受信任的合作关系。无论 Uber Eats 还是 DoorDash 收购公司，很多时候都是在买客户和合作伙伴。
DoorDash 一直没能打进一部分杂货店。还有很多商店可能没上 DoorDash，却一直忠于 Instacart。如果收购成功，挂上 DoorDash 的 Instacart 就能把这些商店带给更多客户，也可能为 Instacart 打开一门新生意。所以两边看起来有天然协同。
但这可能也是最大的风险。杂货店喜欢 Instacart，是因为它以白标方式嵌在商店自己的线上店面里，不会介入商家的业务；消费者付给 Instacart 的钱会流向这些商店。但 DoorDash 有 DashMart，我记得它自己也做杂货生意。如果我是 Kroger 这样的超市，可能会担心 DoorDash 收购后的 Instacart。商家过去信任 Instacart，不一定同样信任 DoorDash。Instacart 上市时也强调与杂货店的合作，正是靠这些合作拉来了很多商家。收购若成，客户还会留下吗？
我觉得 AI 智能体对 Instacart 和 DoorDash 都是威胁。
毫无疑问，这是整个行业的生存级威胁。
买杂货可能是更自然的智能体应用，因为很多东西会重复购买，流程可重复，风险也比较低。买错厕纸没什么大不了；但要是给我买一张 2,000 美元、不能退的机票，错了就麻烦。买菜能形成重复行为，也能结合很多上下文。这里没有非黑即白的结论，我们都在推测。Instacart 的覆盖面和广告业务会受冲击，但它也有机会：它掌握大量数据，还和杂货店有广泛的网络关系。未来你对 DoorDash 或收购后的公司说要买厕纸，它可能更了解大家喜欢买什么、哪些店的哪些商品最受欢迎，理解消费者习惯，不会给你送错东西。它会拥有一套很好的数据，以及人们具体怎么买杂货的智能体轨迹；DoorDash 才刚开始进入这个市场。
Google Genie 4、世界模型与实时控制
Genie 又有新进展了。
Google 发布了 Genie 4，这是另一个世界模型。我们之前聊过世界模型。给新听众解释一下：什么是世界模型？为什么需要它，现有的其他模型不够吗？我常举这个例子：有人会问，世界模型和 Sora、Seedance 这类视频生成模型究竟有什么区别？它们现在都在占据我的短视频迷你剧信息流了。
视频模型主要基于扩散模型，训练时看过很多视频，比如篮球。它看过数百万张篮球运动的图像和视频，所以能重现运球动作。但它并不真正理解物理规律，不知道球怎么撞到地面、怎么被投出去；它靠的是模式识别，并没有把这些规律内化。
世界模型则可以想成创建完整模拟和世界的能力，同时真正理解物理，以及这个世界里的各种变量和物体如何碰撞、互动。它很适合电子游戏，因为制作游戏、渲染输出或世界引擎要花很多时间；也很适合机器人，因为机器人需要一个地方学习和模拟。
发布演示很惊艳，感觉世界模型有了很大的飞跃。他们展示了类似《星夜》的场景，你能走进去探索那个宇宙，像“选择自己的冒险”故事一样。简直像魔法。
对我来说，惊艳之处是它能持续更长时间。我们一直在关注世界模型。Google 大概去年这个时候发布了 Genie 3，当时很厉害，证明这东西真能用，但只能运行几秒。Genie 4 能运行更长时间，画面也逼真得多，它基于 Gemini Omni。之前的 Gemini 3 渲染能力还比较初级。Gemini 4 借助 Gemini Omni 和 Google 的多模态模型，还能生成视频、图像和音频。它不只是世界引擎，而是能创造完整体验，让你与角色互动、对话；过去做不到这一点。它逼真到让我理解为什么有人会开始怀疑现实，问我们是不是活在模拟里。感觉你真的可以导演自己的电影。
从技术上说，这确实很难做到。
机器人世界模型与实时控制
难点不只是画面，还得生成对应的环境音。比如我踢了什么东西，它就得发出正确的声音。怎么把这一切都做进去？想想电子游戏或电影场景里的每个细节，每个细节都是一个组成部分。
我不认为这项技术的目标是取代电影，或精心制作的电子游戏。它擅长的是创建视觉、物理和声音都逼真的环境，让智能体和机器人在里面互动。
比如要教机器人打扫厨房——我们在投资组合里的 Skilled 公司也聊过很多——你不能只给它看一间干净整洁的样板厨房。还得有脏乱的厨房、纽约市的厨房、不同国家的厨房、豪华顶层公寓里的厨房。所有这些环境怎么造？生活里还有各种复杂因素，比如一个孩子跑到人形机器人面前。过去要模拟这种情况，得雇很多人、采集大量数据；现在可以模拟各种不同情境来训练机器人。
另一个很酷的地方是实时控制。你可以实时输入提示改变场景，比如加雨、加沙子。我看到演示时觉得特别惊艳。
太棒了。
目前只有早期测试用户能用，我刚拿到权限。下周如果有机会聊聊，我会回来汇报。
请你玩一玩，让听众知道这东西除了探索另一个宇宙的乐趣之外，还有什么价值。我相信很快会向 Ultra 订阅用户开放。
Google 在多模态方面确实做得很好。
确实。